lab Tencent Hunyuan (HF) · 1 hari lalu · sumber: 3 hari lalu · releases

Tencent merilis WeVisDoc-4B, parser dokumen end-to-end

Diterjemahkan dari English → Bahasa Indonesia

Tencent telah merilis WeVisDoc-4B, sebuah parser dokumen end-to-end untuk gambar halaman yang mengonversi halaman menjadi Markdown terstruktur dengan rumus LaTeX dan tabel HTML. Difo-tune dari Qwen3-VL-4B-Instruct, model ini mencapai skor keseluruhan 95.38 di OmniDocBench v1.6 dan berada di peringkat pertama di antara parser yang dibandingkan dalam semua empat pengaturan yang dilaporkan.

WeVisDoc-4B difo-tune dari Qwen3-VL-4B-Instruct.
Ini menghasilkan Markdown terstruktur, rumus LaTeX, dan tabel HTML.
Model ini mencapai skor keseluruhan 95.38 di OmniDocBench v1.6.
Ini memimpin parser end-to-end yang dibandingkan dalam semua empat pengaturan yang dilaporkan.

Rilis ini mencakup instruksi instalasi untuk vLLM dan dependensi klien, bersama dengan contoh untuk inferensi lokal dan penyajian layanan melalui jaringan.

Kepentingan 1/3 Kepercayaan 1/3 Tencent Hunyuan (HF) Tencent Multimodal Open weights

Baca aslinya

Tencent merilis parser dokumen WeVisDoc-2B dan WeVisDoc-4B

Tencent telah merilis WeVisDoc, parser dokumen end-to-end untuk gambar halaman yang di-fine-tune dari model Qwen3-VL. Sistem ini mengonversi gambar halaman menjadi Markdown terstruktur, termasuk rumus LaTeX dan tabel HTML.

lab Tencent Hunyuan (HF) · 25 hari lalu · 45 tayangan

Tencent merilis model embedding multimodal WeMM-Embedding-2B

Tencent telah merilis WeMM-Embedding-2B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 2.048.

lab Tencent Hunyuan (HF) · 25 hari lalu · 40 tayangan

Tencent merilis model embedding multimodal universal WeMM-Embedding-4B

Tencent telah merilis WeMM-Embedding-4B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 2.560.

lab Tencent Hunyuan (HF) · 25 hari lalu · 49 tayangan

Tencent merilis model embedding multimodal universal WeMM-Embedding-9B

Tencent telah merilis WeMM-Embedding-9B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 4.096.

lab Tencent Hunyuan (HF) · 32 hari lalu · 30 tayangan

Tencent merilis model pengambilan dokumen visual multibahasa EVIE-Preview-4.5B

Tencent telah merilis EVIE-Preview-4.5B, sebuah model Visual Document Retrieval (VDR) multibahasa mutakhir yang dibangun di atas Qwen3.5-4B. Model ini menerapkan interaksi akhir bergaya ColBERT dengan embedding token multivektor berdimensi 128 asli untuk mencapai kinerja puncak di berbagai benchmark ViDoRe.